这种经典搜索方法的缺点是所呈现的搜索结果之间通常没有逻辑联系。如果用户尚不确切地知道他在寻找什么，或者如果产品系列仅在一些细节上有所不同，则这尤其困难。
自然语言搜索 (NLS) 的创建是为了允许用户以人类语言输入搜索查询。例如，可以在T-Mobile、UWV或Postbank的网站上完成此操作。在 UWV 网站上提出诸如“我什么时候能拿到钱”之类的问题，就会得到这样的答案：“UWV 何时会支付我的失业（或其他类型）福利？”然后到实际的解释。这本身就是一种令人愉快的搜索方式，如果不是现在许多用户已经习惯了谷歌，他们会提前输入各个关键字。 NLS 主要用于信息丰富的网站，较少用于范围较大的网上商店。
社交搜索
对于社交搜索，搜索结果不仅仅取决于数学算法。访问者或其他访 危地马拉WhatsApp 数据 问者的行为也用于提供合适的搜索结果。社交搜索很快就与 Web 2.0 联系在一起，但它已经存在了一段时间。例如， Google 的搜索关键字PageRank是社交搜索的一种形式。根据网页链接的数量，网站在搜索结果中的排名会更高。 PageRank 的创建者和同名者拉里·佩奇 (Larry Page) 认为，经常被其他人链接到的页面比其他网站中不太频繁提及的网页包含更多相关信息。
协同过滤
协作过滤是社交搜索的另一种形式，自 1996 年以来已成功应用于网上商店。协同过滤的结果基于网站访问者配置文件以及具有相似配置文件的网站访问者的行为。Amazon.com的个性化推荐就是一个很好的例子：“具有相似个人资料的其他人购买了书 x”。